CN116242944A - 一种儿童青少年抑郁症预警标志物、模型、方法及试剂盒 - Google Patents

一种儿童青少年抑郁症预警标志物、模型、方法及试剂盒 Download PDF

Info

Publication number
CN116242944A
CN116242944A CN202211676619.5A CN202211676619A CN116242944A CN 116242944 A CN116242944 A CN 116242944A CN 202211676619 A CN202211676619 A CN 202211676619A CN 116242944 A CN116242944 A CN 116242944A
Authority
CN
China
Prior art keywords
depression
juvenile
early warning
children
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211676619.5A
Other languages
English (en)
Inventor
金亚玲
沈宁
严琦
吴徐明
王培涓
丁雅琴
张建标
刘超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong City Mental Health Center
Original Assignee
Nantong City Mental Health Center
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nantong City Mental Health Center filed Critical Nantong City Mental Health Center
Priority to CN202211676619.5A priority Critical patent/CN116242944A/zh
Publication of CN116242944A publication Critical patent/CN116242944A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/04—Preparation or injection of sample to be analysed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/04—Preparation or injection of sample to be analysed
    • G01N30/06—Preparation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8693—Models, e.g. prediction of retention times, method development and validation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Medical Informatics (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Biochemistry (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种儿童青少年抑郁症早期预警模型、方法及试剂盒。临床研究报道方面，目前并没有成熟的基于尿液样本的针对抗生素检测试剂盒应用于儿童青少年抑郁症的早期风险筛查和预判。本发明首次开发相应的检测试剂盒，为儿童青少年抑郁症风险的快速预判和筛选，降低临床儿童青少年抑郁症发病率提供新的有效的工具。

Description

一种儿童青少年抑郁症预警标志物、模型、方法及试剂盒
技术领域
本发明涉及生化检测技术领域，特别是涉及一种基于抗生素指标组合的儿童青少年抑郁症早期风险筛查方法及试剂盒。
背景技术
近年来，儿童青少年抑郁症已经成为我国社会公共卫生领域的重大挑战。根据中国科学院心理研究所发布的《中国国民心理健康发展报告（2019-2020）》显示，我国青少年抑郁症检出率为24.6%，其中重度抑郁的检出率为7.4%。儿童青少年阶段罹患抑郁症会大大增加未来成年期发生自杀和自伤行为等的风险[Practice parameter for theassessment and treatment of children and adolescents with suicidal behavior]，成年后的抑郁症复发也和儿童青少年阶段的抑郁症息息相关[The risk for early-adulthood anxiety and depressive disorders in adolescents with anxiety anddepressive disorders]。目前最常用的儿童青少年抑郁症临床诊断工具是美国精神病协会发布的精神疾病诊断和统计手册（DSM-5），该诊断工具虽然是抑郁症临床诊断的标准，但是该工具主要是针对成人抑郁症进行临床诊断的，对于儿童青少年抑郁症的诊断缺乏针对性和准确度[Child and adolescent depression:A review of theories, evaluationinstruments, prevention programs, and treatments]。另外，DSM-5 属于评分量表，虽然是由专业精神科医师打分，但依然存在主观性强，评分标准不一致的问题。因此，开发一种基于客观量化指标的检测方法对儿童青少年抑郁症的诊断和早期治疗非常必要。
发明内容
临床研究报道方面，目前并没有成熟的基于尿液样本的针对抗生素检测试剂盒应用于儿童青少年抑郁症的早期风险筛查和预判。如果能开发相应的检测试剂盒，将会为儿童青少年抑郁症风险的快速预判和筛选，降低临床儿童青少年抑郁症发病率提供新的有效的工具。本发明要解决的问题是现有技术没有针对儿童青少年抑郁症早期识别的有效方法，从而提供一种早期预警方法及系统，应用在儿科医疗领域，以解决医院内现有的儿童青少年抑郁症早期识别依靠主观评分导致的诊断延迟（不准确）的现状。通过一种儿童青少年抑郁症早期预警模型，早期计算出儿童青少年发生抑郁症的风险得分，为精确度高的一种儿童青少年抑郁症早期预警风险评分模型，也是一种预测模型与方法。
为解决上述技术问题，本发明采用如下技术方案：
一种儿童青少年抑郁症早期预警标志物，包括抗生素组合。抗生素组合用于儿童青少年抑郁症诊断或者在制备或作为儿童青少年抑郁症诊断试剂中的应用。抗生素组合包括阿奇霉素、磺胺二甲嘧啶、氧氟沙星和氨苄青霉素。
一种检测抗生素组合的试剂盒或者实际在儿童青少年抑郁症诊断或者在制备或作为儿童青少年抑郁症诊断试剂中的应用。抗生素组合包括阿奇霉素、磺胺二甲嘧啶、氧氟沙星和氨苄青霉素。
一种儿童青少年抑郁症早期预警试剂盒，包括检测抗生素组合的试剂，具体的，试剂盒包括尿液样本前处理试剂组合、洗脱液、混合标准品工作液、稀释液、淋洗液/活化液、洗脱液/活化液、复溶液。抗生素组合包括阿奇霉素、磺胺二甲嘧啶、氧氟沙星和氨苄青霉素。
一种儿童青少年抑郁症早期预警模型，其根据抗生素组合的浓度得到，为儿童青少年抑郁症风险评分计算模型，以预测儿童青少年发生抑郁症的风险概率。具体的，所述预儿童青少年抑郁症早期预警模型的风险得分公式如下：
Z(i)= β1×VAri+β2×VSul+β3×VOfl+β4×VAmp
Z(i):患者联合预测因子；
β1：阿奇霉素系数 β1=1；
β2：磺胺二甲嘧啶系数 β2=6.4；
β3：氧氟沙星系数 β3=42；
β4：氨苄青霉素系数 β4=140；
V表示抗生素的浓度，单位为ug/g，作为常识，ug/g是尿肌酐标准化之后的单位，即抗生素的单位微克每毫升除以尿肌酐的单位克每毫升，得出微克每克的单位；具体的VAri为阿奇霉素在尿液样本中的浓度，VSul为磺胺二甲嘧啶在尿液样本中的浓度，VOfl为氧氟沙星在尿液样本中的浓度，VAmp为氨苄青霉素在尿液样本中的浓度。
该公式为四项抗生素指标联合预测儿童青少年抑郁症的数学模型，Z(i)临界值为197.34，Z(i)高于该临界值，则判定为抑郁症高风险，Z(i)低于该临界值，则判定为抑郁症低风险，该临界值的预测灵敏度为80%，特异性为100%。
已有儿童青少年抑郁症临床诊断指标的主观性和诊断阶段的滞后性，本发明提供一种基于抗生素指标组合的儿童青少年抑郁症早期诊断试剂盒，该试剂盒具有样本获取简单，检出限低，重复性好，筛查灵敏度和特异性高等优点。抗生素组合包括阿奇霉素、磺胺二甲嘧啶、氧氟沙星和氨苄青霉素，本发明所述抗生素组合来自儿童青少年的尿液。抗生素组合在尿液样本中的浓度是指阿奇霉素、磺胺二甲嘧啶、氧氟沙星和氨苄青霉素各自的尿肌酐标准化浓度，单位为ug/g。
一种计算机可读存储介质，存储用于存储评估儿童青少年抑郁症的程序，所述评估儿童青少年抑郁症的程序根据上述儿童青少年抑郁症早期预警模型得到。
一种儿童青少年抑郁症早期预警系统，包括数据输入模块、预测模块、预测输出模块，所述预测模块包括上述儿童青少年抑郁症早期预警模型。
一种儿童青少年抑郁症早期预警装置，包括处理器、存储器，所述存储器用于存储评估儿童青少年抑郁症的程序，处理器用于运行评估儿童青少年抑郁症的程序，所述评估儿童青少年抑郁症的程序根据上述儿童青少年抑郁症早期预警模型得到。
一种为儿童青少年抑郁症诊断获得中间信息的方法，包括以下步骤：
（1）收集儿童青少年尿液样本，使用尿液样本前处理试剂组合进行尿液样本的处理，得到待测样品；
（2）使用各标准品工作液，制备浓度梯度分级的标准品溶液；标准品为抗生素组合；
（3）将准备好的待测样品和标准品溶液进行LC-MS/MS质谱进样上机检测；得到尿液样本中抗生素组合的浓度，为儿童青少年抑郁症诊断的中间信息。
本发明模型的拟合度通过 Hosmer-Lemeshow 拟合优度检验进行评价；鉴别效度通过受试者工作特征曲线（ROC）和曲线下面积（AUC）及决策曲线分析（DCA）进行评价；采用Bootstrap自抽样法、10折交叉验证及10折交叉验证后的ROC曲线和C-statistic进行内部验证，评价所构建Logistic回归模型的稳健性。进一步的，还对所建立的预警模型进行外部验证，建立外部验证数据集，在验证数据集中对Logistic回归模型进行验证；将外部验证数据集中的相应变量值代入Logistic回归模型，计算得出其患抑郁症的风险得分和概率值。
本发明通过敏感度、特异度、阳性预测值、阴性预测值、整体准确性、ROC曲线、校准度曲线、净重新分类改善指数（NRI）、综合判别改善指数（IDI），验证了上述儿童青少年抑郁症预警模型预警能力的准确性。
现有抑郁症评价中，首先，在诊断指标方面，儿童青少年抑郁症诊断量表DSM-5存在评价主观性强，标准不一致的缺点。其次，在诊断阶段方面，DSM-5量表是针对儿童抑郁症已经发病之后的人群进行确诊来使用的，还没有专门从病因学角度出发，在疾病发病之前就针对导致疾病的发病因素进行监测的标志物和诊断试剂盒，而儿童青少年抑郁症的早期筛查和发现对于疾病的预防和治疗至关重要。第三，在诊断方法方面，目前还没有针对尿液样本的儿童青少年抑郁症早期风险诊断试剂盒。本发明从诊断指标，诊断阶段和诊断方法三个方面全面提升儿童抑郁症的临床筛查技术，监测儿童青少年体内抗生素指标，将对早期筛查儿童抑郁症风险具有重要临床价值。尤其是，本发明首次提出专门针对抗生素的儿童抑郁症早期诊断标志物和试剂盒。
与现有技术相比，本发明具有以下优点和积极效果：本发明构建的早期预警模型简单易用，所纳入的临床数据指标为临床上常规收集的指标，具有易获得、价格低廉和使用便捷等优势。本发明在避免过度拟合的基础上，得出与儿童青少年抑郁症相关的特征变量，并整合各项变量，给出与抑郁症高度相关的预测因子，并公开各预测因子的具体影响系数，从而使预测模型具有较强的可解释性和早期预警效能。本发明为临床医师提供了一个简单、实用的儿童青少年抑郁症风险预测工具，有利于早期精准识别抑郁症的高危患儿，从而为进一步制定个体化的治疗策略和管理方案，从而为改善患儿的临床预后提供科学依据。
附图说明
图1 为阿奇霉素(Azithromycin)，磺胺二甲嘧啶(Sulfadimidine)，氧氟沙星(Ofloxacin)和氨苄青霉素(Ampicillin)在正常对照组及儿童青少年抑郁症组尿液样本的检测结果。
图2为回归分析森林图。
图3为预警模型预测抑郁症的ROC曲线。
图4为4种抗生素的质谱图。
具体实施方式
儿童青少年指年龄10～17岁的人群。现有儿童青少年抑郁症诊断量表DSM-5存在评价主观性强，标准不一致的缺点，而且DSM-5量表是针对儿童抑郁症已经发病之后的人群进行确诊来使用的，现有技术没有合适的预测模型以及标志物以替代抑郁症诊断量表DSM-5。本发明首次提供了一种儿童青少年抑郁症早期预警模型，为联合检测的预警模型，公式如下：
Z(i)= β1×VAri+β2×VSul+β3×VOfl+β4×VAmp
Z(i):患者联合预测因子；
β1：阿奇霉素系数 β1=1；
β2：磺胺二甲嘧啶系数 β2=6.4；
β3：氧氟沙星系数 β3=42；
β4：氨苄青霉素系数 β4=140；
V表示抗生素的浓度，单位为ug/g，尿肌酐标准化；具体的VAri为阿奇霉素在尿液样本中的浓度，VSul为磺胺二甲嘧啶在尿液样本中的浓度，VOfl为氧氟沙星在尿液样本中的浓度，VAmp为氨苄青霉素在尿液样本中的浓度。
该公式为四项抗生素指标联合预测儿童青少年抑郁症的数学模型，Z(i)临界值为197.34，Z(i)高于该临界值，则判定为抑郁症高风险，Z(i)低于该临界值，则判定为抑郁症低风险，该临界值的预测灵敏度为80%，特异性为100%。
本发明验证预警模型。
拟合度通过 Hosmer-Lemeshow 拟合优度检验进行评价，P值>0.1，表面该模型工作效果良好，四项抗生素指标联合预测性能良好；鉴别效度通过受试者工作特征曲线（ROC）和曲线下面积（AUC）进行评价；根据风险得分Logit(P)绘制ROC曲线，根据ROC曲线获得风险得分最佳临界值（阈值）。当风险得分高于或等于阈值时，为高风险患者，倾向于抑郁症；当风险得分低于阈值时，为低风险。
进一步的，建立外部验证数据集，在外部验证数据集中对 Logistic 回归模型进行验证；将外部验证数据集中重症儿童的相应变量值代入 Logistic 回归模型，计算得出其进展为抑郁症的概率值。通过敏感度、特异度、阳性预测值、阴性预测值、整体准确性、ROC曲线、校准度曲线及净重新分类改善指数NRI、综合判别改善指数IDI评估上述儿童青少年抑郁症预警模型预警新数据的能力。
本发明提供一种儿童青少年抑郁症伤早期预警方法，输出发生抑郁症的风险得分，步骤如下：
（1）收集儿童青少年尿液样本，使用尿液样本前处理试剂组合进行尿液样本的处理，得到待测样品；
（2）使用各标准品工作液，制备浓度梯度分级的标准品溶液；标准品为抗生素组合；
（3）将准备好的待测样品和标准品溶液进行LC-MS/MS质谱进样上机检测；得到尿液样本中抗生素组合的浓度，为儿童青少年抑郁症诊断的中间信息。
（4）将抗生素的浓度输入所述的预警模型；利用预警模型进行预测，输出被测儿童青少年发生抑郁症的风险得分；
（5）将步骤（4）获得的风险得分与临界值比较，大于临界值则认为发生抑郁症的概率大。4项抗生素指标联合预测儿童抑郁症的临界值为197.34 ug/g，该临界值的检测灵敏度为80%，特异性为100%；阿奇霉素预测儿童抑郁症的临界值为32.95ug/g，该临界值的检测灵敏度为76.7%，特异性为81.2%；磺胺二甲嘧啶预测儿童抑郁症的临界值为8.47ug/g，该临界值的检测灵敏度为80%，特异性为100%；氧氟沙星预测儿童抑郁症的临界值为1.39ug/g，该临界值的检测灵敏度为80%，特异性为100%；氨苄青霉素预测儿童抑郁症的临界值为0.37ug/g，该临界值的检测灵敏度为80%，特异性为96.9%。
本发明提供了一种儿童青少年抑郁症早期预警系统，包括：
预测模块：包括上述儿童青少年抑郁症预警模型；
数据输入模块：用于将儿童青少年尿液中抗生素浓度输入所述的抑郁症预警模型；
数据处理模块：用于根据儿童青少年抑郁症预警模型，输出发生抑郁症的风险得分及概率值。
为使本申请的目的、技术方案和优点更加清楚，本技术领域的人员更好地理解本发明方案，下面将结合本发明实施方式中的附图和表，对本发明实施方式中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。本发明的具体实验操作以及计算为常规技术。本发明研究经南通市第四人民医院的医学伦理委员会批准，并经儿童青少年监护人签署知情同意书，抑郁症的临床诊断为现有常规方法。试剂盒所用具体试剂及使用方法为常规技术。
实施例一
本发明首次公开了抗生素组合作为儿童青少年抑郁症早期诊断标志物的应用。
本发明首次提供了一种儿童青少年抑郁症早期预警模型，为联合检测的预警模型：
Z(i)= β1×VAri+β2×VSul+β3×VOfl+β4×VAmp
Z(i):患者联合预测因子
β1：阿奇霉素系数 β1=1
β2：磺胺二甲嘧啶系数 β2=6.4
β3：氧氟沙星系数 β3=42
β4：氨苄青霉素系数 β4=140
该公式为四项抗生素指标联合预测儿童青少年抑郁症的数学模型，Z(i)临界值为197.34，Z(i)高于该临界值，则判定为抑郁症高风险，Z(i)低于该临界值，则判定为抑郁症低风险，该临界值的预测灵敏度为80%，特异性为100%。
本发明提供了一种通过使用人体尿液样本，并针对上述抗生素用于早期筛查诊断儿童抑郁症风险的质谱检测试剂盒，包括如下试剂：
（1）尿液样本前处理试剂组合，乙酸-乙酸钠缓冲液，β-葡萄糖醛苷酶/芳基硫酸酯酶，维生素C；
（2）流动相。流动相A相：0.1%甲酸的水溶液；流动相B相：0.1%甲酸的乙腈溶液；
（3）混合标准品工作液：含阿奇霉素，磺胺二甲嘧啶，氧氟沙星和氨苄青霉素的乙腈溶液；
（4）稀释液：尿液基质稀释液：含尿素和氯化钠的水溶液；
（5）淋洗液/活化液：水；
（6）洗脱液/活化液：乙腈；
（7）复溶液：0.1%甲酸的乙腈水溶液，乙腈和水的体积比是1:9；
上述试剂盒的制备方法：
（1）尿液样本前处理试剂组合
乙酸-乙酸钠缓冲液：
分别制备0.2 M乙酸和0.2 M乙酸钠水溶液，取适量混匀，乙酸水溶液和乙酸钠水溶液的体积比为1:6，
β-葡萄糖醛苷酶/芳基硫酸酯酶，
维生素C
（2） 流动相
流动相A相：0.1%甲酸的水溶液
流动相B相：0.1%甲酸的乙腈溶液
（3）混合标准品工作液：
含阿奇霉素，磺胺二甲嘧啶，氧氟沙星和氨苄青霉素的乙腈溶液。上述成分各10mg用乙腈定容至5 ml，分别得到4种2 mg/ml标准品溶液，然后用乙腈稀释至浓度各为1 μg/ml的混合标准品工作液。
（4）稀释液。尿液基质稀释液：准确称取2 g尿素，1g 氯化钠用ddH2O定容至100 ml
（5）淋洗液/活化液：水
（6）洗脱液/活化液：乙腈
（7）复溶液：0.1%甲酸的乙腈水溶液，分别移取乙腈100 ml，水900 ml。然后加入甲酸，定容至1 L，得到0.1%甲酸的乙腈水溶液，乙腈和水体积比是1:9。
检测流程
尿液样本前处理
（1）取尿样2 ml先用0.22 μm滤膜过滤，加乙酸-乙酸钠缓冲液，调节pH值至5.4
（2）再加入β-葡萄糖醛苷酶/芳基硫酸酯酶（10 μl），用以特异性地降解尿样中被葡萄糖醛酸化或磺基化的待测物质
（3）加入维生素C（5 mg），室温下孵育过夜完成酶解反应。
（4）酶解后的样品，用SPE小柱（C18 ENVI，0.25 g）进行固相萃取
（5）萃取物用乙腈（2 ml）洗脱，并用氮气吹干
（6）最后用0.1%甲酸的乙腈水溶液（100 μl）重溶作为待测分析物。
制作标准曲线
混合标准品：从混合标准品工作液中分别移取适量标液（1 μg/ml），用尿液基质稀释液定容得到不同浓度标准点50 ng/ml、20 ng/ml、10 ng/ml、2 ng/ml、0.5ng/ml、0.1ng/ml。
检测条件
（1）色谱条件：
流动相：A相：0.1%甲酸的水溶液，B相：0.1%甲酸的乙腈溶液；
色谱柱：Thermo Betasil phenyl色谱柱；
洗脱方式：梯度洗脱
Figure DEST_PATH_IMAGE002
质谱条件：
Figure DEST_PATH_IMAGE004
（2）MRM参数见下表。
Figure DEST_PATH_IMAGE006
以下通过临床结果验证本发明模型的准确性、特异性，以及本发明提出抗生素组合作为儿童青少年抑郁症早期诊断标志物的准确性、特异性。
实施例二
为验证上述检测方法以及4种抗生素在尿液的水平是否可以用于儿童青少年抑郁症的早期风险筛查，收集了32例正常儿童青少年的尿液样本和30例临床抑郁症确诊儿童青少年的尿液样本，对样本进行了尿液前处理，质谱上机检测和数据分析；儿童青少年抑郁症和健康对照组一般资料比较没有显著性差异，参照表1。
纳入标准：①符合《国际疾病分类与诊断标准》（ICD-10）中抑郁症的诊断标准；②年龄10～17岁；③临床资料完整可靠。
排除标准：①患有精神分裂症、双相障碍、精神发育迟滞等精神障碍；②酒精及其他精神活性物质使用；③神经系统病变或脑器质性损伤；④参与研究前4周内接受抗菌药物或其他相关治疗。
Figure DEST_PATH_IMAGE008
a One way ANOVA；
b χ2 test；
BMI, body mass index。
1、收集儿童青少年尿液样本（晨尿中段），使用尿液样本前处理试剂组合进行尿液样本的处理，得到待测样品；
32例正常儿童的尿液样本（10 ml）；30例抑郁症患儿的尿液样本（10 ml）。
尿液样本前处理步骤如下：
（1）取尿样2 ml先用0.22 μm滤膜过滤，加乙酸-乙酸钠缓冲液，调节pH值至5.4；
（2）再加入β-葡萄糖醛苷酶/芳基硫酸酯酶（10 μl），用以特异性地降解尿样中被葡萄糖醛酸化或磺基化的待测物质；
（3）加入维生素C（5 mg），室温下孵育过夜完成酶解反应；
（4）酶解后的样品，用SPE小柱（C18 ENVI，0.25 g）进行固相萃取；
（5） 萃取物用乙腈（2 ml）洗脱，并用氮气吹干；
（6）最后用0.1%甲酸的乙腈水溶液（100 μl）重溶作为待测分析物。
2、使用各标准品工作液，制备浓度梯度分级的标准品溶液；标准品为抗生素组合；
3、将准备好的待测样品和标准品溶液进行LC-MS/MS质谱进样上机检测；
（1）色谱条件：
流动相：A相：0.1%甲酸的水溶液，B相：0.1%甲酸的乙腈溶液；
色谱柱：Thermo Betasil phenyl色谱柱；
洗脱方式：梯度洗脱
Figure DEST_PATH_IMAGE010
（2）质谱条件：
Figure DEST_PATH_IMAGE012
（3）MRM参数：
Figure DEST_PATH_IMAGE014
得到尿液样本中抗生素组合的浓度，为儿童青少年抑郁症诊断的中间信息。
对下机数据进行整理并经过尿肌酐标准化后，对检测结果进行Mann-Whitney非参数检验发现，抑郁症患儿组尿液中4种抗生素的含量显著高于正常儿童组。图1 为阿奇霉素(Azithromycin)，磺胺二甲嘧啶(Sulfadimidine)，氧氟沙星(Ofloxacin)和氨苄青霉素(Ampicillin)在正常对照组及儿童青少年抑郁症组尿液样本的检测结果。对检测结果进行Spearman线性相关性分析发现，4种抗生素与儿童青少年抑郁症存在极显著线性相关性，参见表2。
Figure DEST_PATH_IMAGE016
采用儿童青少年抑郁症早期预警模型，包括以下4个变量：阿奇霉素浓度、磺胺二甲嘧啶浓度、氧氟沙星浓度和氨苄青霉素浓度，浓度指各抗生素在尿液样本中的浓度。对4个预测因子进行多因素二元Logistic回归分析，结果见表3，回归分析森林图见图2，4种抗生素的Odds Ratio全部大于1且都是儿童青少年抑郁症发病的显著风险因素。
Figure DEST_PATH_IMAGE018
儿童青少年抑郁症早期预警模型为：Z(i)= β1×VAri+β2×VSul+β3×VOfl+β4×VAmp
Z(i):患者联合预测因子；β1：阿奇霉素系数 β1=1；β2：磺胺二甲嘧啶系数 β2=6.4；β3：氧氟沙星系数 β3=42；β4：氨苄青霉素系数 β4=140。
模型评价：通过受试者工作特征曲线（ROC）和曲线下面积（AUC）评价模型的鉴别效度；通过Hosmer-Lemeshow 拟合优度检验评价Logistic回归模型的拟合度。图3为预警模型预测抑郁症的ROC曲线，表4为ROC曲线诊断性能分析参数。
Figure DEST_PATH_IMAGE020
可以看出，4项抗生素指标联合预测儿童抑郁症的临界值为197.34ug/g，该临界值的检测灵敏度为80%，特异性为100%，具备很好的预测性能；阿奇霉素预测儿童抑郁症的临界值为32.95ug/g，该临界值的检测灵敏度为76.7%，特异性为81.2%；磺胺二甲嘧啶预测儿童抑郁症的临界值为8.47ug/g，该临界值的检测灵敏度为80%，特异性为100%；氧氟沙星预测儿童抑郁症的临界值为1.39ug/g，该临界值的检测灵敏度为80%，特异性为100%；氨苄青霉素预测儿童抑郁症的临界值为0.37ug/g，该临界值的检测灵敏度为80%，特异性为96.9%。
实施例三临床验证
一位13岁少年，尿液检测结果阿奇霉素为28.7ug/g，磺胺二甲嘧啶3.81ug/g，氧氟沙星0.66ug/g，氨苄青霉素0.19ug/g。回顾性将上述变量取值根据所述预测模型风险评分计算公式，计算得到联合预测因子为107.40，低于197.34，为低风险儿童，临床诊断为正常儿童。本发明的模型判断与实际相符。
一位15岁少年，尿液检测结果阿奇霉素为29.27ug/g，磺胺二甲嘧啶14.83ug/g，氧氟沙星2.78ug/g，氨苄青霉素0.70ug/g。回顾性将上述变量取值根据所述预测模型风险评分计算公式，计算得到联合预测因子为338.94，高于197.34，为高风险儿童，临床诊断为抑郁症。本发明的模型判断与实际相符。
一位14岁少年，尿液检测结果阿奇霉素为37.81ug/g，磺胺二甲嘧啶11.81ug/g，氧氟沙星1.78ug/g，氨苄青霉素0.52ug/g。回顾性将上述变量取值根据所述预测模型风险评分计算公式，计算得到联合预测因子为260.95，高于197.34，为高风险儿童，临床诊断为抑郁症。本发明的模型判断与实际相符。
本发明数据处理方法：正常组和疾病组比较采用Mann-Whitney非参数检验，线性相关性采用Spearman线性相关性分析法，因果关系采用二元Logistics回归分析法，指标预测性能采用受试者工作特征曲线（ROC曲线）进行分析，通过计算ROC曲线下面积（AUC）评估每项指标的预测筛查能力。利用Graphpad Prism对数据进行可视化。所有统计分析都是在SPSS（IBM，V26）软件的统计计算环境下完成的。为验证本发明模型是否可以用于儿童抑郁症的早期风险筛查，收集了32例正常儿童的尿液样本和30例抑郁症确诊儿童的尿液样本，对样本进行了尿液前处理，质谱上机检测和数据分析，图4为4种抗生素的质谱图。对下机数据进行整理并经过尿肌酐标准化后，对检测结果进行Mann-Whitney非参数检验发现，抑郁症患儿组尿液中4种抗生素的含量显著高于正常正常儿童组；对检测结果进行Spearman线性相关性分析发现，4种抗生素与儿童青少年抑郁症存在极显著线性相关性；对检测结果进行二元Logistics回归分析发现，4种抗生素的Odds Ratio全部大于1且都是儿童青少年抑郁症发病的显著风险因素；对检测结果进行受试者工作特征曲线（ROC曲线）分析，4种抗生素指标联合预测儿童抑郁症的临界值为197.34，该临界值的检测灵敏度为80%，特异性为100%，具备很好的预测性能。其中，阿奇霉素预测儿童抑郁症的临界值为32.95ug/g，该临界值的检测灵敏度为76.7%，特异性为81.2%；磺胺二甲嘧啶预测儿童抑郁症的临界值为8.47ug/g，该临界值的检测灵敏度为80%，特异性为100%；氧氟沙星预测儿童抑郁症的临界值为1.39 ug/g，该临界值的检测灵敏度为80%，特异性为100%；氨苄青霉素预测儿童抑郁症的临界值为0.37 ug/g，该临界值的检测灵敏度为80%，特异性为96.9%。
多项研究显示，血液中存在分子标志物可以作为诊断精神分裂症或抑郁症的良好指标。血清中的BDNF、尿酸以及甲状腺素水平可以作为成人精神分裂症或抑郁症的辅助诊断指标。然而，由于儿童抑郁症和成人抑郁症在致病机制方面显著不同，目前还没有理想的可以客观量化的分子标志物应用于临床诊断儿童青少年抑郁症。相比于现有技术，由本发明构建的预测模型所纳入的临床数据指标均为临床上常规收集和记录的指标，具有易获得、价格低廉和使用便捷等优势，预测模型具有较强的可解释性和预测效能。与现有技术相比，本发明首次公开的儿童青少年抑郁症早期预警模型将临床指标结合，受试者工作特征曲线下面积高，敏感度高达80%和特异度高达100%，预测效能明显高于现有技术使用的风险评分、生物标志物等预测效能，比如维生素D结合蛋白诊断抑郁症的特异性只有65.8%。此外，本发明样本量较大，结合临床回顾，进一步验证了该模型具有较好的预测效能，确保了模型的准确性和实用性。综合实施例和对比例分析，本发明为临床医师提供了一个简单、实用的儿童青少年抑郁症风险预测工具，有利于早期识别可能进展为抑郁症的儿童青少年，从而为进一步制定个体化的治疗策略和管理方案，改善临床预后提供科学依据。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种儿童青少年抑郁症诊断用标志物，其特征在于，包括抗生素组合。
2.根据权利要求1所述儿童青少年抑郁症诊断用标志物，其特征在于，抗生素组合包括阿奇霉素、磺胺二甲嘧啶、氧氟沙星和氨苄青霉素。
3.权利要求1所述儿童青少年抑郁症诊断用标志物用于儿童青少年抑郁症诊断或者在制备或作为儿童青少年抑郁症诊断试剂中的应用。
4.检测样本中抗生素组合的试剂或者试剂盒在制备儿童青少年抑郁症诊断产品中的应用。
5.根据权利要求4所述的应用，其特征在于，所述样本为尿液；所述试剂或者试剂盒为基于质谱法或者化学分析法检测抗生素组合浓度的试剂或者试剂盒。
6.一种儿童青少年抑郁症诊断用试剂盒，其特征在于，包括检测样本中抗生素组合的试剂。
7. 一种儿童青少年抑郁症预警模型，其特征在于：所述儿童青少年抑郁症早期预警模型为：
Z(i)= β1×VAri+β2×VSul+β3×VOfl+β4×VAmp
其中，Z(i)为患者联合预测因子；β1为阿奇霉素系数，β1=1；β2为磺胺二甲嘧啶系数，β2=6.4；β3为氧氟沙星系数，β3=42；β4为氨苄青霉素系数，β4=140；V表示抗生素的浓度，单位为ug/g。
8.一种计算机可读存储介质，存储用于评估儿童青少年抑郁症的程序，其特征在于：所述评估儿童青少年抑郁症的程序根据权利要求7所述儿童青少年抑郁症早期预警模型得到。
9.利用权利要求7所述儿童青少年抑郁症早期预警模型进行预警的方法，其特征在于：包括以下步骤，将尿液样本中抗生素组合的浓度值输入所述儿童青少年抑郁症早期预警模型；然后利用预警模型进行预测，输出发生抑郁症的风险得分及概率值；根据风险得分及概率值得到儿童青少年抑郁症预警结果。
10.一种儿童青少年抑郁症早期预警系统，包括数据输入模块、预测模块、预测输出模块，其特征在于：所述预测模块包括权利要求7所述儿童青少年抑郁症早期预警模型。
CN202211676619.5A 2022-12-26 2022-12-26 一种儿童青少年抑郁症预警标志物、模型、方法及试剂盒 Pending CN116242944A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211676619.5A CN116242944A (zh) 2022-12-26 2022-12-26 一种儿童青少年抑郁症预警标志物、模型、方法及试剂盒

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211676619.5A CN116242944A (zh) 2022-12-26 2022-12-26 一种儿童青少年抑郁症预警标志物、模型、方法及试剂盒

Publications (1)

Publication Number Publication Date
CN116242944A true CN116242944A (zh) 2023-06-09

Family

ID=86625207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211676619.5A Pending CN116242944A (zh) 2022-12-26 2022-12-26 一种儿童青少年抑郁症预警标志物、模型、方法及试剂盒

Country Status (1)

Country Link
CN (1) CN116242944A (zh)

Similar Documents

Publication Publication Date Title
Fan et al. Diagnosing sepsis–The role of laboratory medicine
Molitoris et al. Technology insight: biomarker development in acute kidney injury—what can we anticipate?
CN105209909B (zh) 与肾功能相关的生物标记及其使用方法
JP2008509411A (ja) 肝線維症の診断方法
CN113192552B (zh) 活动性结核病标志物、试剂盒、检测方法及模型构建方法
CN104272112B (zh) 用于帮助诊断中风的基于生物标记的方法和生物芯片
CN112201318A (zh) 实验室指标模型在covid-19患者危险分层中的应用方法
Ucar et al. Estimation of biological variation and reference change value of glycated hemoglobin (HbA1c) when two analytical methods are used
CN107167610B (zh) 自闭症生物标志物及其检测试剂盒
CN114167066B (zh) 生物标志物在制备妊娠糖尿病诊断试剂中的用途
Gerday et al. Urinary ferritin; a potential noninvasive way to screen NICU patients for iron deficiency
Oyaert et al. Renal tubular epithelial cells add value in the diagnosis of upper urinary tract pathology
CN108508211B (zh) 首发未用药精神分裂患者血清标志物fgf9及其应用
Chao et al. Towards proteome standards: the use of absolute quantitation in high-throughput biomarker discovery
Siangproh et al. Alternative method for measurement of albumin/creatinine ratio using spectrophotometric sequential injection analysis
CN111983098B (zh) 一种肠道微生物代谢物在制备自闭症诊断试剂盒中的用途
Lim Korean pediatric reference intervals for FT4, TSH, and TPO Ab and the prevalence of thyroid dysfunction: a population-based study
Kuchmenko et al. Application of an electronic nose based on piezoelectric sensors for scanning volatile compounds of gynecological tests
WO2005114196A1 (ja) 間質性膀胱炎の検査方法
CN116242944A (zh) 一种儿童青少年抑郁症预警标志物、模型、方法及试剂盒
CN114636826B (zh) Cd177+中性粒细胞在制备新生儿坏死性小肠结肠炎检测产品中的应用
JP2007520712A (ja) 患者サンプルにおけるＣｕ／Ｚｎスーパーオキシドジスムターゼ（Ｃｕ／ＺｎＳＯＤ）の濃度の選択的測定による敗血症の診断
CN113125615B (zh) 三种代谢标志物单独或联合在制备诊断系统性红斑狼疮的试剂盒方面的应用
CN114166977A (zh) 预测妊娠个体血糖值的系统
EP3756015B1 (en) Urine markers and formula for diagnosing overactive bladder disorder

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination